a-share-analyst
A股分析研究助手,提供行情数据获取与技术面/基本面分析框架(仅供研究参考,不构成投资建议)。适用于:(1) 获取A股行情和历史数据,(2) 技术面分析(K线形态、MACD、KDJ、RSI、布林带等),(3) 基本面分析(财务指标、估值分析),(4) 板块热点追踪,(5) 选股策略筛选与量化因子分析,(6) 生成股市分析报告。当用户询问"帮我分析股票"、"今日选股"、"A股行情分析"、"技术分析"、"量化选股"时触发。不用于:预测明日涨跌或给出确定性买卖指令、代客决策、港股美股(数据源不同)、加密货币。
git clone --depth 1 https://github.com/staruhub/ClaudeSkills /tmp/a-share-analyst && cp -r /tmp/a-share-analyst/lab/Geek-skills-a-share-analyst ~/.claude/skills/a-share-analystSKILL.md
# A股分析师 Skill 专业的A股市场分析工具,整合多数据源,提供技术面、基本面综合分析和智能选股策略。 ## 数据获取 使用AKShare作为主要数据源(免费、开源、无需token): ```python pip install akshare --break-system-packages ``` ### 核心数据获取示例 ```python import akshare as ak # 实时行情 df = ak.stock_zh_a_spot_em() # 全部A股实时行情 # 历史K线 df = ak.stock_zh_a_hist(symbol="000001", period="daily", adjust="qfq") # 板块行情 df = ak.stock_board_concept_name_em() # 概念板块 df = ak.stock_board_industry_name_em() # 行业板块 # 龙虎榜(日期用实际查询区间,格式 YYYYMMDD) df = ak.stock_lhb_detail_em(start_date="<起始日>", end_date="<结束日>") # 资金流向 df = ak.stock_individual_fund_flow(stock="000001", market="sz") ``` ## 分析工作流程 ### 1. 每日盘前分析 执行顺序: 1. 获取大盘指数(上证、深证、创业板) 2. 分析板块热点轮动 3. 筛选涨停股及连板股 4. 检测北向资金流向 5. 生成今日关注清单 ### 2. 技术面分析 对单只股票执行: 1. 获取历史K线数据(至少60日) 2. 计算技术指标(见 `references/technical_indicators.md`) 3. 识别K线形态(见 `references/candlestick_patterns.md`) 4. 判断趋势和支撑/阻力位 5. 生成技术面评分 ### 3. 基本面分析 执行顺序: 1. 获取财务数据(营收、净利润、ROE等) 2. 计算估值指标(PE、PB、PS) 3. 分析行业地位和竞争优势 4. 评估成长性和安全边际 5. 生成基本面评分 ### 4. 智能选股策略 **策略类型选择:** - 多因子综合策略 → 执行 `scripts/strategy_multi_factor.py`(已实现,内置 ST/停牌过滤) - 趋势突破 / 价值低估 / 动量因子等单因子策略 → 目前无独立脚本,在 multi_factor 基础上调整因子权重,或按需自行实现 ## 输出格式 ### 个股分析报告模板 ```markdown # [股票名称]([股票代码]) 分析报告 ## 基本信息 - 当前价格:¥XX.XX(涨跌幅 +X.XX%) - 市值:XXX亿 | PE(TTM):XX.X | PB:X.XX ## 技术面分析 - 趋势判断:[上升/震荡/下降] - 支撑位:¥XX.XX | 阻力位:¥XX.XX - 技术指标:MACD [金叉/死叉] | KDJ [超买/超卖/中性] | RSI [XX] ## 基本面分析 - 营收增速:XX% | 净利润增速:XX% - ROE:XX% | 毛利率:XX% ## 综合评分 - 技术面:⭐⭐⭐⭐☆ (4/5) - 基本面:⭐⭐⭐☆☆ (3/5) ## 操作建议 [具体建议及风险提示] ``` ### 每日选股清单模板 ```markdown # 每日选股清单 [日期] ## 市场概览 - 上证指数:XXXX.XX(+X.XX%) - 深证成指:XXXXX.XX(+X.XX%) - 创业板指:XXXX.XX(+X.XX%) ## 热点板块 TOP5 1. [板块名称] +X.XX% 2. ... ## 精选个股 ### 趋势突破型 | 代码 | 名称 | 现价 | 涨幅 | 突破形态 | 评分 | |------|------|------|------|----------|------| | ... | ... | ... | ... | ... | ... | ### 价值低估型 | 代码 | 名称 | 现价 | PE | PB | 评分 | |------|------|------|-----|-----|------| | ... | ... | ... | ... | ... | ... | ## 风险提示 投资有风险,以上分析仅供参考,不构成投资建议。 ``` ## 关键脚本 - `scripts/fetch_market_data.py` - 市场数据获取 - `scripts/technical_analysis.py` - 技术指标计算(输出中性强弱描述,非买卖评级) - `scripts/strategy_multi_factor.py` - 多因子选股(含 ST/停牌过滤) - `scripts/generate_report.py` - 报告生成(需在 scripts/ 目录内运行,依赖 technical_analysis) ## 参考文档 - `references/technical_indicators.md` - 技术指标计算公式 - `references/candlestick_patterns.md` - K线形态识别 - `references/fundamental_metrics.md` - 基本面指标说明 - `references/factor_library.md` - 量化因子库 ## 验收标准(每份分析交付前自查) - [ ] 报告末尾含"仅供参考,不构成投资建议"声明(模板已内置,不许删) - [ ] 数据来自**本次运行**的 akshare 调用,标注数据时间戳与延迟(可能有15分钟延迟) - [ ] 技术面/基本面结论与展示的指标数据一一对应,没有无数据支撑的判断 - [ ] 给出的是"分析+风险"而非"买卖指令":无"满仓""抄底""必涨"类表述 - [ ] 新策略未经历史回测时明确标注"未回测" ## 不做什么 - 不预测明日涨跌,不给确定性买卖点位 - 不代替用户决策,不推荐仓位以外的杠杆操作(模板建议:单只 ≤20%) - 不分析港股/美股/加密货币(数据源与规则不同) - 用户情绪化追问"到底买不买"时,重申边界并给风险清单,不给指令 ## 已知陷阱 | 陷阱 | 具体表现 | 应对 | |------|---------|------| | akshare 接口变动 | 库更新后函数名/字段变了,脚本报错 | 报错时先查 akshare 当前版本文档,不硬猜字段 | | 延迟数据当实时 | 用 15 分钟前的价格谈"当前" | 报告标注数据获取时间 | | 指标堆砌无结论 | MACD/KDJ/RSI 全列一遍但互相矛盾不解释 | 指标冲突时明确说"信号分歧"及其含义 | | 幸存者偏差选股 | 用当前成分股回测历史策略 | 回测结论标注该局限 | | 节假日/停牌数据 | 停牌股票数据缺失导致计算错误 | 计算前过滤停牌与 ST 异常状态 | `evals/routing-evals.json` — 触发边界回归用例,改 description 后用仓库根 `scripts/run_routing_evals.py` 校验。
Build and maintain a structured LLM-generated wiki for any codebase. Use when the user asks to analyze/understand/document a codebase, build a code wiki, create project documentation from source, or update an existing .llm-wiki. Triggers on phrases like "build wiki", "analyze this codebase", "document this project", "update wiki", "llm-wiki", or when entering an unfamiliar project that has no .llm-wiki yet.
A股专业分析师助手,提供每日股价分析、选股策略和投资建议。适用于:(1) 获取A股实时行情和历史数据,(2) 技术面分析(K线形态、MACD、KDJ、RSI、布林带等),(3) 基本面分析(财务指标、估值分析),(4) 板块热点追踪,(5) 选股策略筛选,(6) 量化因子分析,(7) 生成每日股市分析报告。当用户询问"帮我分析股票"、"今日选股"、"A股行情分析"、"技术分析"、"基本面分析"、"量化选股"等相关问题时触发。
AI咨询/销售的对话策略助手。当用户需要准备AI方案沟通、跟业务部门聊AI落地、写AI提案、应对客户异议、做AI培训破冰时使用。触发场景:"怎么跟老板聊AI"、"客户说AI不靠谱"、"准备一个AI方案汇报"、"帮我想想怎么推AI"、"业务部门不配合"、"AI项目怎么卖"、"demo之后怎么跟进"。也适用于AI咨询师、技术合伙人、CTO做内部AI推广。
Windows C盘清理和磁盘空间管理工具。当用户需要清理C盘、释放磁盘空间、查找大文件、分析磁盘占用、删除临时文件、清理缓存、管理Windows系统垃圾文件时使用此skill。适用于以下场景:(1)C盘空间不足需要清理;(2)查找和删除大文件;(3)分析磁盘空间占用;(4)清理系统临时文件和缓存;(5)清理浏览器缓存;(6)清理回收站;(7)清理系统日志;(8)优化Windows磁盘空间。
>
资深高考命题专家助手,提供专业的命题指导和评审服务。适用于创作高考试题、评审试题质量、分析试卷结构、了解命题趋势等场景。结合文档工具提取解压文件,使用网络搜索了解最新命题趋势,使用分析工具评估题目质量和试卷结构。涵盖"一核四层四翼"评价体系、2025年命题趋势、题型规范、评分标准、命题流程等多个维度,符合高考命题最佳实践。
胥克谦式AI-Native产品开发方法论。适用于:(1) 使用AI Agent(Claude Code、Codex、Cursor等)进行产品级软件开发,(2) 设计和优化Harness/Skill体系,(3) 文档驱动开发(SDD)流程,(4) 构建自动化质量门禁和eval机制,(5) Token成本优化与缓存策略,(6) 产品人转型开发者的AI编程实践。触发场景包括"帮我设计开发流程"、"怎么降低token成本"、"怎么提高AI编码质量"、"文档驱动"、"质量门禁"、"harness设计"、"单agent vs multi-agent"、"自动化迭代"、"AI产品开发"、"SDD"、"eval机制"等。即使用户只是说"帮我用AI写代码"或"怎么让agent干活更靠谱"也应触发。
PDF解析工具,将复杂PDF文档转换为LLM友好的Markdown/JSON格式。适用于:(1) 将PDF转换为Markdown或JSON格式,(2) 提取PDF中的文本、表格、公式、图像,(3) 处理学术论文、技术文档、商业报告的PDF解析,(4) 为RAG应用准备高质量文档数据,(5) 批量处理PDF文件。触发关键词包括:"PDF解析"、"PDF转Markdown"、"PDF转JSON"、"提取PDF表格"、"提取PDF公式"、"MinerU"、"文档解析"、"PDF extraction"、"convert PDF"、"parse PDF"等。